Cassandra查询性能：对复合分区键的一部分使用IN子句

Question

我目前在Cassandra中设置了一个表，该表具有text，decimal或date类型的列，并带有business_date和account_number 的复合分区键。对于该表的查询，我需要能够支持给定日期的单个帐户或帐户列表的查询。

例：

select x,y,z from my_table where business_date = '2019-04-10' and account_number IN ('AAA', 'BBB', 'CCC')
//Note: Both partition keys are provided for this query

我一直在努力解决与访问此数据有关的性能问题，因为我注意到等待模式很难理解/解释。

在许多情况下，客户端应用程序可以在短时间内总共运行相同的精确查询三次。对于这些情况，我发现三分之二的请求的响应时间（800毫秒）确实很差，其中一个请求的响应时间非常快（50毫秒）。起初我以为这是由于键或行缓存引起的，但是我不确定，因为我相信如果这是真的，那么三个请求中的第三个请求应该总是最快的，事实并非如此。 。

我认为我面临的第二个问题是实际的数据模型本身。尽管查询是在提供所有分区键的情况下提交的，但由于它是一个IN子句，因此结果将是单独的分区，并且可以分布在整个群集中，因此，这将是错误的访问模式。但是，即使运行单个帐户查询，我也会看到这些延迟问题。另外，我看到15到20个帐户附带的查询的性能非常好（在50毫秒以下），因此我不确定数据模型是否确实存在问题。

集群设置：

• 数据中心：2
• 每个数据中心的节点数：3
• 键空间复制：local_dc = 2，remote_dc = 2

Java驱动程序集：

• 负载平衡：DCAware与LatencyAware
• 通讯协定：v3
• 仍然将查询设置为使用“ IN”子句，而不是异步单个查询
• 读取一致性：LOCAL_ONE

在真正确定此问题的根本原因方面，有人对我应关注的事情有任何想法/线索吗？

Answer 1

使用IN的分区键始终是坏主意，即使是复合分区键。分区键的值定义了数据在群集中的位置，分区键的不同值很可能会将数据放置到不同的服务器上。在这种情况下，协调节点（接收到查询）将需要联系保存数据的节点，等待这些节点传递结果，然后再将结果发送回去。

如果需要查询多个分区键，则异步发出单个查询并在客户端收集结果会更快。

另外，请注意，TokenAware策略在您使用时最有效PreparedStatement-在这种情况下，驱动程序能够提取分区键的值，并找到哪个服务器为其保存数据。